主要观点总结
本文主要讨论了生成式AI对未来工作的深远影响，以及如何在这种新技术变革下提升自身技能以适应需求。强调了新型技能如智能审问、判断整合和互惠互学的必要性，并提供了实际应用方法和建议。
关键观点总结
关键观点1: 生成式AI有望在未来几年彻底改变各种工作。
文中指出，与AI合作的新时代要求人们拥有融合技能，如智能审问、判断整合和互惠互学。这些技能在金融服务、药理研究、市场营销等领域有广泛应用。
关键观点2: 细分思考步骤和分阶段培训LLM可以提高AI输出的准确性和可靠性。
通过具体示例，如金融服务公司的客服、药理学家和营销人员如何使用AI进行工作，说明了如何引导LLM进行复杂任务。同时，指出了分阶段培训的重要性，并给出了在需要职业和领域知识的复杂任务中的人机协作实例。
关键观点3: 智能提问和整合检索增强生成（RAG）等技术可以提高LLM的预测能力和排除虚假、过时信息的能力。
文中讨论了如何整合个人判断、保护隐私并避免偏见，以及如何核实可疑输出等问题。同时介绍了纠正判断有误的输出的技术。
关键观点4: 新兴技能的重要性和获取方式。
文章强调了获得新融合技能的重要性，并指出企业投资和个人主动性同样重要。提到了如何训练LLM学习新流程、让AI变成学徒等建议。最后强调了人机共生关系的技术史上的独特性。
文章预览
生成式AI有望在未来几年彻底改变各种工作。未来，我们中的许多人会发现，我们的职业成功会取决于我们从ChatGPT等大语言模型（LLM）中获得最佳输出，以及与之一起学习和成长的能力。要在这个与AI合作的新时代脱颖而出，多数人将需要我们称为“融合技能”（fusion skills），即智能审问(intelligent interrogation)、判断整合（judgment integration）和互惠互学（reciprocal apprenticing）中的一种或多种技能。 智能审问涉及以能够产生更好推理和结果的方式提示LLM（或通俗来说，给他们指令），也就是用AI思考的能力，例如金融服务公司的客服可能会用它寻找复杂问题的答案回复客户，药理学家用它协助研究药物化合物和分子相互作用，营销人员用来挖掘数据集找到最优的零售定价。 判断整合是指当生成式AI模型不确定该怎么做，或者在推理中缺少必要的商业或道
………………………………
